无线网络及智能设备的快速发展催生出了一种新型的感知网络,即移动群智感知网络。移动群智感知网络将大量携带智能设备的参与者作为感知节点,但是这些参与者通常不是无偿参与感知任务的,因此如何选择合适的参与者一直是移动群智感知网络研究的重点领域。移动群智感知网络中一些感知任务要求参与者收集一段时间内连续的感知数据,本文针对此任务类型的移动群智感知网络参与者选择策略进行了研究,主要内容如下:提出了一种时间窗的参与者激励机制。移动群智感知平台发布的任务具有数据完整性要求,同时任务感知时间要求是连续的时间段。本文针对具体的任务感知时间进行划分,提出了奖池机制,对参与者参与感知时间段少的部分进行高额奖励来吸引参与者,在任务中基于动态规划的优化算法选择参与者,然后又提出了一种额外奖励机制,根据每个参与者的参与时间段进行不同的激励策略。通过实验验证,本文提出的激励机制在提高参与者参与人数、增加奖池金额和参与者所得报酬等方面都有显著的效果。提出了一种时间窗相关的参与者选择策略。该机制主要包括:设计了一种基于动态规划算法的参与者选择方法,目标为所选参与者感知时间覆盖任务时间段的同时最大化数据效益,此外还加入了参与者信誉值更新策略,根据参与者参与任务的意愿程度和数据质量更新参与者的信誉值。通过实验验证,本文提出的参与者选择策略与MST和Random 比吡较,在数据可靠性、数据效益和感知成本等方面具有更好的效果。提出的激励机制确保会有足够的参与者来参与到感知任务中,参与者选择策略是在足够多的参与者中选出满足任务要求的合适的参与者,这两部分工作为任务平台提供了完整的工作模式。